Assessing Remote Social Interaction for Autistic People using Physiological Signals in a Collaborative Virtual Reality Workplace
Notice bibliographique
Résumé
The study focuses on enhancing workplace experiences for autistic people by addressing professional burnout risks. Acknowledging the benefits of sensory adjustments for autistic employees, previous interactions with autistic participants associations and inclusive organizations highlighted challenges in gauging emotional well-being during workplace social dynamics and tasks. This study delves into real-time evaluations centered on collaborative task-based social interactions. The methodological design consists of a Collaborative Virtual Simulation (CVS) specifically crafted for vocational training targeting autistic people. We have implemented a feedback system for real-time monitoring of cognitive stress, mental workload, and emotional self-regulation within the CVS. The assessment of our approach in volved analyzing cognitive stress, mental workload, and physiological synchronization of respiratory sinus arrhythmia (RSA), amidst neuroatypical and neurotypical pairs within the CVS. Significant RSA synchronization was found, with significant changes incognitive stress and workload metrics throughout CVS sessions, making physiological states more palpable for the autistic participant. This elucidation aids emotional well-being. The data suggest indicators for effective remote social interaction based on RSA synchronization and autistic brain activity patterns, indicating neurotypical individuals’ positive emotional state during CVS interactions. The research accentuates the viability of such technologies in assisting autistic workplace integration by amplifying social interaction comprehension and providing emotional bolstering.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».